Cách DevGhost đánh giá năng suất của lập trình viên
Cập nhật lần cuối 23 tháng 10, 2026
DevGhost đánh giá độc lập năng suất của từng lập trình viên dựa trên nội dung và độ phức tạp nhận thức của các thay đổi Git. Chủ doanh nghiệp và CTO có thể thấy hiệu quả đầu tư vào phát triển: phát hiện các đóng góp thấp kéo dài và ghi nhận những lập trình viên giỏi có công việc chưa được chú ý.
Kích thước thay đổi không phải là lượng công việc
Thêm một thư viện có sẵn có thể chỉ mất vài phút nhưng tạo ra hàng nghìn dòng mới. Trong khi đó, một thay đổi hành vi nhỏ trên vài tệp có thể đòi hỏi phải hiểu các phụ thuộc, thiết kế giải pháp và kiểm tra cẩn thận. DevGhost ước tính công việc kỹ thuật đằng sau thay đổi, để hoạt động dễ nhìn thấy không được dùng thay cho đóng góp.
Machine learning dựa trên mã nguồn
DevGhost kết hợp machine learning và mạng nơ-ron riêng của mình với việc phân tích cấu trúc của các thay đổi Git và các thuật toán chuyên biệt. Các thành phần này cùng ước tính công sức nhận thức trên một thang lập trình viên tham chiếu chung.
DevGhost không sử dụng LLM để phân tích mã. Các mô hình riêng đã được huấn luyện và thuật toán của DevGhost tính toán ước tính.
- Phân tích xem xét thay đổi trong bối cảnh mã hiện có, bao gồm mối quan hệ giữa các phần đã thay đổi và dấu hiệu tái sử dụng.
- Các thay đổi mang tính máy móc đã nhận diện và artefact được sinh tự động được xử lý riêng, để khối lượng của chúng không được coi là công việc kỹ thuật mới.
- Mã có nội dung thực chất được viết với sự hỗ trợ của AI được đánh giá trên cùng một thang. Điều quan trọng là kết quả được đưa vào mã nguồn.
Hai thay đổi, công việc khác nhau
Các commit công khai này cho thấy vì sao chỉ kích thước diff là chưa đủ để đánh giá đóng góp.
k6: các tệp React có sẵn cho kiểm thử
Thay đổi thêm hơn 33.000 dòng, chủ yếu là các tệp React có sẵn, để kiểm thử không còn phụ thuộc vào truy cập mạng thiếu ổn định. DevGhost tách các tệp được cung cấp khỏi công việc cần thiết để tích hợp chúng. Ước tính của DevGhost: khoảng 0,8 giờ tham chiếu.
Xem commit công khaiRedis: I/O bất đồng bộ
Khoảng 2.300 dòng được thêm và xóa thay đổi cách các thread Redis tương tác: xử lý sự kiện mạng, chuyển công việc giữa các thread và đồng bộ quyền truy cập dữ liệu. Đây là một thay đổi kiến trúc có nội dung thực chất, đòi hỏi nhiều phần của hệ thống phối hợp chính xác. Ước tính của DevGhost: khoảng 23 giờ tham chiếu.
Xem commit công khaiÝ nghĩa của giờ tham chiếu
Mốc tham chiếu là một lập trình viên bậc trung có 3-4 năm kinh nghiệm, hiểu dự án và làm việc không dùng AI. Ước tính bao gồm công việc họ cần để hiểu mã liên quan, thiết kế và triển khai giải pháp, kiểm tra và thực hiện các sửa lỗi cần thiết. Tự kiểm thử cũng được tính: chạy các kiểm thử phù hợp và diễn giải kết quả, kiểm tra hành vi thủ công khi cần, và tự review thay đổi lần cuối trước khi hoàn tất.
Thang chung này cho phép bạn so sánh đóng góp và theo dõi thay đổi theo thời gian. Giờ tham chiếu mô tả công việc ước tính được thể hiện trong mã, không phải thời gian tác giả thực sự đã bỏ ra.
Từ giờ tham chiếu đến Ghost%
Việc phân bổ các ước tính theo thời gian dựa trên nghiên cứu thực nghiệm và các phép đo thực tế. DevGhost dùng một thang tham chiếu chung để so sánh kết quả. Ghost% cho biết sản lượng so với baseline, có tính đến Share và phương pháp đếm ngày đã chọn. Ở 100%, sản lượng khớp với baseline; trên 100%, sản lượng vượt baseline. Hỗ trợ AI có thể là một lý do, nhưng bản thân con số không chứng minh việc sử dụng AI.
Hãy xem xét bối cảnh
Hãy xem các kết quả kéo dài qua nhiều kỳ, rồi xem xét các thay đổi và trách nhiệm của người đó. DevGhost không đo giờ làm thực tế, chất lượng mã hay toàn bộ giá trị nghề nghiệp của một lập trình viên. Công việc ngoài các thay đổi được phân tích cũng có ý nghĩa. Quyết định nhân sự cần có đánh giá độc lập và thực chất của con người; Ghost% không được là căn cứ duy nhất hoặc chủ yếu.
Kiểm tra lịch sử của một dự án bạn hiểu rõ
Chọn một kho mã và một kỳ mà bạn biết rõ kết quả của đội ngũ. So sánh đánh giá của DevGhost với kinh nghiệm của bạn: ai đã đóng góp mạnh, khâu phát triển nào liên tục không đạt kỳ vọng và những nhiệm vụ khó nào không xuất hiện trong thống kê hoạt động. Mở từng thay đổi và xem xét cả điểm trùng khớp lẫn khác biệt. Nhờ đó, bạn có thể đánh giá mức hữu ích của hệ thống đối với các quyết định quản lý bằng chính công việc mình đã biết.

